一种基于改进优化器深度学习模型的轴承健康评估方法

    公开(公告)号:CN117664576B

    公开(公告)日:2024-06-21

    申请号:CN202311615495.4

    申请日:2023-11-29

    Applicant: 东北大学

    Abstract: 本发明的一种基于改进优化器深度学习模型的轴承健康评估方法,包括:采集反映轴承健康状态的轴承全生命周期数据;建立基于门控循环单元和自注意力机制的轴承健康评估模型;对轴承全生命周期数据进行标准化处理,利用相对均方根指标将轴承生命周期划分为正常期和退化期,将标准化处理后的退化期数据划分成训练样本集和测试样本集;将训练样本集输入至轴承健康评估模型,提取出具有时序规律的粗粒度特征,建立被测轴承的虚拟健康状态评估指标,使用随机改进的牛顿梯度法对模型进行整体优化,完成模型训练;将测试样本集输入至训练好的轴承健康评估模型中,实现轴承健康状态的智能评估。本发明方法计算复杂度低、收敛速度快、简单有效易于实现。

    一种基于改进优化器深度学习模型的轴承健康评估方法

    公开(公告)号:CN117664576A

    公开(公告)日:2024-03-08

    申请号:CN202311615495.4

    申请日:2023-11-29

    Applicant: 东北大学

    Abstract: 本发明的一种基于改进优化器深度学习模型的轴承健康评估方法,包括:采集反映轴承健康状态的轴承全生命周期数据;建立基于门控循环单元和自注意力机制的轴承健康评估模型;对轴承全生命周期数据进行标准化处理,利用相对均方根指标将轴承生命周期划分为正常期和退化期,将标准化处理后的退化期数据划分成训练样本集和测试样本集;将训练样本集输入至轴承健康评估模型,提取出具有时序规律的粗粒度特征,建立被测轴承的虚拟健康状态评估指标,使用随机改进的牛顿梯度法对模型进行整体优化,完成模型训练;将测试样本集输入至训练好的轴承健康评估模型中,实现轴承健康状态的智能评估。本发明方法计算复杂度低、收敛速度快、简单有效易于实现。

Patent Agency Ranking